• コラム

BigQueryのDWHを非構造化データへ拡張する：データレイクハウスの全体像

BigQueryでDWH（データウェアハウス）を構築すると、売上・顧客・広告といった構造化データを統合して分析できるようになります。そこに「議事録や過去の戦略資料からも示唆を出したい」という要望が来ることがあります。PDFやPowerPoint、音声はBigQueryのテーブルには入りません。本記事...

2026/8/12

• コラム

用途から作るか、ソースシステムから作るか：3つのデータモデリングの本質

経営会議で事業別の粗利を見たい、営業部門が商談の中身を分析したい、AIに社内データを読ませて質問に答えさせたい、と、データを見たい場面は次々に生まれます。こうした要望に応えるための、分析用のデータの設計手法を「データモデリング」と呼び、代表的な手法に、ディメンショナルモデリング、第三正規形、Data...

2026/8/5

• コラム

AIで作れるとは。「動く」と「使える」の大きな差

DeflagでCROをしている岩瀬です。先日、あるお客様との打ち合わせで、こう聞かれた。「AIでデータ基盤って、もう作れるんですよね？」聞けば、APIやMCPでいろんなツールをつないでしまえば、散らばったデータをAIが勝手に整理して、名寄せして、統合してくれる。設計や要件定義だって、AIに任せられる...

2026/8/2

• コラム

データメッシュの正体は、データの事業部制である

本記事では、AIエージェントの文脈で再び関心が高まっているデータマネジメントの概念「データメッシュ」を解説します。読み終えた時に、データメッシュとは何か、どんな会社に必要なものか、自社はどう判断すべきかが分かる状態を目指します。データメッシュとは何か定義と出自データメッシュとは、「全社データの管理を...

2026/7/27

• コラム

AI-native時代のデータ人材は、意思決定のガードレールを設計する人になる

AIがSQLを書き、分析し、グラフやレポートまで出してくれるようになった時代、巷では、「データ分析者の仕事はなくなる」とも言われています。これまで人間がやってきた、そして多くの人が内心やりたくないと感じていた作業、たとえばビジネス側の依頼に応じてSQLを書いてデータを抽出したり、他の人が書いたSQL...

2026/7/17

• コラム

データレイクハウスを自分で作って分かった、AI-Ready化の本当の難所

前に、散らかった会社の情報をAIが読める形に束ねた話を書きました。「あの案件、どうなってたっけ」を探す時間を消すために、会社の情報をまるごと一つの土台にした話です。関連記事：散らかった会社の情報を、AIが「Deflagのやり方」で考える土台にした話今回は、その続きです。どう作ったかを詳細に書きました...

2026/7/17

• コラム

散らかった会社の情報を、AIが「Deflagのやり方」で考える土台にした話

「あの案件、結局どうなってたんだっけ」会社が動いていると、この一言が一日に何度も出ます。答えは、どこかにあります。Driveの中のどこかのフォルダ、Notionのどこかのページ、Slackの去年のスレッド、顧客管理の記録。あるのに、たどり着けない。探しているうちに、何を探していたかを忘れる。これは、...

2026/7/10

• コラム

データ基盤アーキテクチャの変遷：DWHからAIエージェントまで

データを貯めて処理する基盤の歴史データウェアハウスの成立データを分析のために貯める発想が形になったのは1990年前後です。業務システムの中に埋もれて取り出せなかったデータを、分析専用の場所に集めてから使うという考え方を、2人の人物が逆の方向から体系化しました。観点インモン（1990年に概念定義）キン...

2026/7/10

• コラム

AI営業の精度はデータ構造で決まる。現場で気づいたこと

「AIを、うちの営業に入れたいんです」お客様支援の現場で、ここ最近よく耳にする相談です。営業に、マーケに、カスタマーサクセスに、何かしらAIエージェントを置きたい。そう話される事業責任者の方々と、ご一緒する機会が増えてきました。私はDeflagでCRO（Chief Revenue Officer）を...

2026/7/2

• コラム

「データドリブン」の前に、守破離の「守」を

「AIネイティブ」「データドリブン」は、土台を飛ばした言葉だ「AIネイティブ」「データドリブン」という言葉が、データを扱う人の新しい必須条件のように語られています。これらを使いこなせれば、過去の地道な技術はもう要らない、という空気さえあります。ですが、これらは基礎を積んだ先に見える応用の景色であって...

2026/6/19

• コラム

暗黙知を書く仕事

「先週の売上は？」に答えられないAIエージェントAIエージェントに「先週の売上は？」と聞いたら経理が締めた数字と違う値が返ってきた、という失敗談があります。エージェント導入の現場でよく語られるもので、米国のベンチャーキャピタルa16zもデータエージェントの典型的なつまずきとしてこの例を挙げています。...

2026/6/17

• コラム

全員アナリストの時代と、これからのデータ組織

これまでのデータ組織が引き受けてきた役割「データ組織」「データ分析チーム」「アナリティクスチーム」。社内でこういったデータ専門の組織を置くとき、多くの会社で、その役割や組織の作り方は似ていました。マネージャーがいて、その下にデータアナリスト、データエンジニア、データサイエンティストが並ぶ。BIチーム...

2026/6/8

• コラム

AI時代のBIとAI ── 民主化の失敗の先に

データの民主化は、長らくBIに託されてきました。誰もが自分でデータを見て、自分で判断する——その約束に、世の中はかつて大きな期待を寄せました。ところが、約束はほとんど果たされないまま、今度はAIが同じ約束を携えて登場しています。本記事は、BIとAIを「どちらが要るか」ではなく「どのように使い分けるか...

2026/5/22

• コラム

「コストセンター」だったデータ基盤が、AIで反転する

「データ基盤」の整備に携わってきた方がまず思い浮かべるのは、長年予算説明に追われ続けてきた地味なIT投資ではないでしょうか。誰の意思決定が良くなったのかが見えにくく、経営からROIを問われるたびに、気の利いた答えが返せない。AIの登場で、この評価軸が反転しつつあります。これからの経営は、データ基盤を...

2026/5/21